Diagnose-KI von Microsoft schneidet im Test besser ab als Ärztinnen und Ärzte

(Source: Stromlab-3 / stock.adobe.com)

(Source: Stromlab-3 / stock.adobe.com)

Ärztinnen und Ärzte müssen nachfragen, Untersuchungen auswählen und Befunde einordnen, bevor sie eine Diagnose stellen können. Microsoft hat diesen Prozess mit KI nachgebildet. Das System kam im Test deutlich häufiger zur richtigen Diagnose als die ärztliche Vergleichsgruppe, wie Microsoft zur Veröffentlichung einer Studie im Fachjournal "Science" mitteilt.

Das System namens MAI-DxO (Microsoft AI Diagnostic Orchestrator) erhält zunächst nur eine kurze Beschreibung der Beschwerden. Es fragt nach weiteren Informationen, fordert Untersuchungen an und passt seine Vermutungen an die Ergebnisse an. Dafür lässt es ein Sprachmodell verschiedene ärztliche Rollen übernehmen, die mögliche Diagnosen diskutieren, Annahmen hinterfragen und den Nutzen weiterer Tests gegen deren Kosten abwägen. Die folgenden Trefferquoten erzielte das System mit dem Sprachmodell GPT-5 von OpenAI. 

KI liegt bei beiden Fallgruppen vorn

Für den ersten Test griffen die Forschenden auf 304 besonders schwierige Krankheitsfälle zurück, die Fachleute im "New England Journal of Medicine" als Lehrbeispiele diskutiert hatten. Die KI stellte in 83,2 Prozent der Fälle die richtige Diagnose. Die ärztliche Vergleichsgruppe erreichte mit Internet und Nachschlagewerken 36,1 Prozent. Sie bearbeitete allerdings nur eine Auswahl von 56 Fällen.

Ein zweiter Test umfasste 325 dokumentierte Fälle aus einer US-Notaufnahme, die zu einem stationären Spitalaufenthalt führten. Auch hier lag die KI mit einer Trefferquote von 80,3 Prozent deutlich vor der ärztlichen Vergleichsgruppe, die 46,8 Prozent erreichte.

Die KI sparte jedoch nicht automatisch Kosten. Schon GPT-5 ohne Microsofts Diagnosesystem erreichte bei den schwierigen Fällen eine Trefferquote von 78,9 Prozent, verursachte aber geschätzte Abklärungskosten von durchschnittlich 8409 US-Dollar pro Fall. Das zusätzliche System steigerte die Trefferquote auf 83,2 Prozent und senkte die Kosten auf 5431 Dollar - immer noch mehr als die 4725 Dollar der ärztlichen Vergleichsgruppe. Als die Forschenden das Budget für Untersuchungen begrenzten, sanken die Kosten allerdings auf durchschnittlich 2241 Dollar pro Fall. Die Trefferquote ging dabei nur leicht zurück - von 83,2 auf 80,9 Prozent. Die Beträge beruhen auf US-Preisdaten und bilden keine tatsächlich angefallenen Spitalkosten ab.

Der Vergleich hat seine Grenzen

So eindrücklich die Zahlen sind, so wenig sagen sie bislang über den klinischen Alltag aus. Ärztinnen und Ärzte und KI bearbeiteten am Bildschirm aufbereitete Krankheitsfälle, statt echte Patientinnen und Patienten zu untersuchen. Ein weiteres KI-Modul lieferte ihnen auf Anfrage Informationen aus den Fallakten, etwa zur Krankengeschichte oder zu Untersuchungsergebnissen. Fehlten Angaben, erzeugte es künstliche Befunde, die möglichst keine Hinweise auf die richtige Diagnose geben sollten. Ein zweites KI-Modul prüfte die abschliessenden Diagnosen anhand ärztlich festgelegter Kriterien.

Der Test bildete damit nur einen Teil der ärztlichen Arbeit ab. Persönliche Gespräche mit Erkrankten, die direkte Auswertung medizinischer Bilder und die weitere Behandlung blieben aussen vor. Zudem enthielt die Fallsammlung ausschliesslich Krankheitsfälle. Gesunde Menschen und Personen mit harmlosen Beschwerden fehlten, obwohl sie im medizinischen Alltag ebenfalls vorkommen. Ausserdem verglich Microsoft sein System mit einzelnen ärztlichen Fachpersonen, nicht mit spezialisierten Behandlungsteams. Die Forschenden gehen selbst davon aus, dass der Vorsprung gegenüber solchen Teams geringer ausfallen dürfte.

Klinischer Praxistest steht noch aus

Der Informatikprofessor David Sontag, der am MIT zum Einsatz von KI im Gesundheitswesen forscht, bezeichnete den Ansatz bereits bei der Vorstellung einer Vorarbeit im Juni 2025 gegenüber "Wired" als vielversprechend. Zugleich mahnte er zur Vorsicht: Ob das System im klinischen Alltag tatsächlich Kosten spart, sei offen. Sontag forderte deshalb Vergleichsstudien mit echten Patientinnen und Patienten.

Microsoft sieht in den Ergebnissen einen Schritt in Richtung einer "medizinischen Superintelligenz". Der Anspruch reicht allerdings weit über das hinaus, was die Studie belegt. Sie zeigt lediglich, wie gut das System unter kontrollierten Testbedingungen diagnostiziert - nicht, ob es im Klinikalltag die Behandlung verbessert.

Wie gut das System im Kontakt mit Patientinnen und Patienten diagnostiziert, will Microsoft nun prüfen. Gemeinsam mit einem US-Spital plant der Konzern eine Studie, bei der Erkrankte direkt mit der KI interagieren sollen. Dabei will das Forschungsteam die Diagnosen des Systems mit unabhängigen ärztlichen Einschätzungen vergleichen.

Übrigens: Auch an der EPFL entwickeln Forschende KI-Modelle für die Medizin. Wie sie deren Nutzen im klinischen Alltag überprüfen wollen, erklärt EPFL-Professorin Mary-Anne Hartley im Interview.